⚡ electrical engineering

Sparsification of Precoding Codebooks for PAPR Reduction via Grassmannian Representations

In deze brief wordt een methode voor het verdunnen van precoderingscodeboeken voorgesteld die, door gebruik te maken van Grassmanniaanse representaties, de piek-naar-gemiddelde vermogenverhouding (PAPR) aanzienlijk verlaagt zonder de bereikbare snelheid of het feedbackmechanisme te beïnvloeden.

Oorspronkelijke auteurs: Joe Asano, Yuto Hama, Hiroki Iimori, Szabolcs Malomsoky, Naoki Ishikawa

Gepubliceerd 2026-04-22

📖 4 min leestijd☕ Koffiepauze-leesvoer

CC BY 4.0

Oorspronkelijke auteurs: Joe Asano, Yuto Hama, Hiroki Iimori, Szabolcs Malomsoky, Naoki Ishikawa

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Dit is een AI-gegenereerde uitleg van het onderstaande artikel. Het is niet geschreven of goedgekeurd door de auteurs. Raadpleeg het oorspronkelijke artikel voor technische nauwkeurigheid. Lees de volledige disclaimer

De Kern: Hoe je een "zware" radio-uitzending lichter maakt zonder de kwaliteit te verliezen

Stel je voor dat je een grote, drukke feestzaal hebt (de telefoonmast) en honderden mensen (de gebruikers) die tegelijkertijd willen dansen en praten. In de toekomst (6G) worden er nog veel meer mensen verwacht. Om iedereen te kunnen horen, moeten de telefoons veel informatie sturen via meerdere kanalen tegelijk (meerdere data-stromen).

Het probleem is echter dat de versterkers in de telefoons (de "luidsprekers" van de telefoon) niet van pieken houden.

Het Probleem: De "Piekerende" Versterker

In de huidige technologie (5G) sturen telefoons vaak een soort "golf" van informatie. Soms komen er echter momenten waarop alle golven precies op hetzelfde moment hun hoogste punt bereiken. Dit heet een piek (Peak-to-Average Power Ratio, of PAPR).

De analogie: Denk aan een luidspreker die normaal zacht praat, maar plotseling schreeuwt. Als die schreeuw te hard is, moet de luidspreker "terugdraaien" (back-off) om niet kapot te gaan. Hierdoor wordt de hele uitzending zwakker en minder efficiënt.
In de nieuwe technologie (waar meerdere data-stromen tegelijk gaan) worden deze "schreeuwen" steeds erger, wat de batterij van je telefoon snel leeghaalt en de verbinding verzwakt.

De Oplossing: "Sparsificatie" (Het weghalen van overbodige details)

De auteurs van dit paper hebben een slimme truc bedacht: Sparsificatie.

De analogie: Stel je voor dat je een foto maakt van een groep mensen. De huidige methode (dichte codebooks) is alsof je iedereen in de foto zet, inclusief de mensen die in de verte staan en nauwelijks zichtbaar zijn. Dit maakt de foto "zwaar" en vol pieken.
De nieuwe methode is alsof je alleen de belangrijkste mensen in de foto zet en de rest "weglaat" (maakt ze transparant of 0). Je houdt de essentie van de foto (wie er is en waar ze staan), maar de foto wordt lichter en rustiger.

In technisch jargon noemen ze dit het verspreiden van de precoder-codeboeken. Ze maken de signalen "spaarzamer" (minder elementen die actief zijn), waardoor de pieken in het vermogen drastisch dalen.

Hoe werkt het? (De Grassmann-manifold als een globaal kompas)

Dit is het meest creatieve deel van het paper. De auteurs gebruiken wiskunde die Grassmann-manifold heet.

De analogie: Stel je voor dat alle mogelijke manieren om je signaal te sturen, liggen op een speciaal soort bol of oppervlak (de Grassmann-manifold). Elke punt op deze bol is een perfecte manier om te sturen.
De oude methode gebruikte punten die "vol" waren (dicht bij elkaar). De nieuwe methode zoekt op diezelfde bol naar punten die er "leeg" uitzien (spaarzaam), maar die op precies dezelfde plek op de bol liggen.
Als je op dezelfde plek op de bol staat, hoor je hetzelfde signaal (geen kwaliteitsverlies), maar het signaal is "lichter" (minder pieken).

Ze gebruiken twee methoden om deze "lege" punten te vinden:

De Perfecte Draai (Unitaire Transformatie): Soms kun je het signaal gewoon een beetje draaien (zoals een balletdanser die draait), waardoor het signaal op een andere plek terechtkomt waar het "leeg" is, maar de dans zelf (de informatie) precies hetzelfde blijft. Dit is de ideale oplossing.
De Slimme Benadering (SPCA): Als je niet perfect kunt draaien, gebruiken ze een slimme wiskundige methode (Sparse Principal Component Analysis) om de beste mogelijke "lege" versie te vinden die er nog steeds heel veel op lijkt.

Wat is het resultaat?

De onderzoekers hebben dit getest en de resultaten zijn indrukwekkend:

Geen kwaliteitsverlies: De snelheid van je internetverbinding (de "haalbare snelheid") blijft precies hetzelfde. Je merkt niets van de verandering.
Minder pieken: De piek in vermogen (PAPR) daalt met meer dan 1 dB.
Het effect: Omdat de pieken lager zijn, hoeft de versterker in je telefoon niet meer zo hard terug te draaien. Hij kan harder zingen zonder te schreeuwen. Dit betekent:
- Een betere batterijduur.
- Een sterkere signaalsterkte (meer dekking).
- Een efficiënter netwerk voor de toekomst (6G).

Samenvatting in één zin

De auteurs hebben een slimme wiskundige manier gevonden om de "zware" signalen van mobiele telefoons lichter te maken (door ze "spaarzamer" te maken), waardoor de batterij langer meegaat en het signaal sterker is, zonder dat je internetverbinding er ook maar één seconde trager door wordt.

Titel: Verdunning van Precodering Codebooks voor PAPR-reductie via Grassmanniaanse Representaties

Auteurs: Joe Asano, Yuto Hama, Hiroki Iimori, Szabolcs Malomsoky en Naoki Ishikawa.
Datum: 22 april 2026

1. Probleemstelling

Met de evolutie naar 6G-systemen wordt een significante toename van uplink-verkeer verwacht. In uplink-systemen is de efficiëntie van de vermogensversterker (PA) bij de gebruikersapparatuur (UE) een kritieke beperking. Een groot probleem is de hoge Peak-to-Average Power Ratio (PAPR) van OFDM- en DFT-s-OFDM-signalen.

Huidige 5G-standaarden beperken DFT-s-OFDM tot single-stream transmissie om de single-carrier eigenschap (en thus lage PAPR) te behouden. Voor multi-stream transmissie in 6G is dit echter nodig. Bestaande precodering codebooks (zoals die in 5G NR) gebruiken dichte precoders (dense precoders) om array-gain te maximaliseren. Wanneer deze dichte precoders worden toegepast op multi-stream DFT-s-OFDM, wordt de single-carrier eigenschap verbroken, wat leidt tot een onaanvaardbare toename van de PAPR.

Bestaande oplossingen die nieuwe codebooks ontwerpen, zijn vaak niet compatibel met de huidige feedback-mechanismen of vereisen standaardwijzigingen. Er is dus behoefte aan een methode om bestaande codebooks te "verdunnen" (sparsify) om de PAPR te verlagen, zonder de prestaties (bereikbare snelheid) te verliezen en zonder de feedback-indexen te wijzigen.

2. Methodologie

De auteurs stellen een methode voor om bestaande dichte precoders te transformeren naar spare precoders (met minder niet-nul elementen) terwijl de onderliggende ruimtelijke eigenschappen behouden blijven.

Kernconcept: Grassmann-manifold
Precoderingsmatrices kunnen worden geïnterpreteerd als punten op een Grassmann-manifold $G(N_t, N_s)$ . De prestaties van een precoder worden bepaald door de onderliggende deelruimte (subspace), niet door de specifieke basisvectoren. De afstand tussen twee precoders op deze manifold wordt gemeten via de chordal distance.

Het doel is om voor elke dichte precoder $W$ een spare precoder $P$ te vinden die:

De chordal distance tot $W$ minimaliseert (om prestatieverlies te minimaliseren).
Een specifieke sparsiteitspatroon heeft (bijv. $N_t$ niet-nul elementen in totaal) om de PAPR te verlagen.
De feedback-index behoudt (de UE kiest dezelfde index als voorheen, maar de UE implementeert de spare versie).

Twee benaderingen voor verdunning:
De auteurs ontwikkelen een unificatie-algoritme dat twee methoden combineert:

A. Exacte Verdunning via Unitaire Transformatie:
Als er een unitaire matrix $U$ bestaat zodanig dat $P = WU$ en $P$ het vereiste sparsiteitspatroon heeft, dan spannen $W$ en $P$ exact dezelfde deelruimte op (chordal distance = 0).
- De auteurs leiden een gesloten vorm af om $U$ te construeren door het oplossen van een reeks lineaire vergelijkingen gebaseerd op de nulpuntruimte (null space) van de submatrices van $W$ .
- Dit wordt gedaan via een Gram-Schmidt orthogonalisatie-proces binnen de beperkingen van het sparsiteitspatroon.
B. Benaderende Verdunning via Sparse Principal Component Analysis (SPCA):
Als geen exacte unitaire transformatie mogelijk is voor een bepaald patroon, wordt het probleem geformuleerd als een SPCA-probleem.
- Het doel is om de inwendige product $\|W^H P\|_F^2$ te maximaliseren onder sparsiteitsbeperkingen.
- Dit wordt opgelost door de Rayleigh-kwotient-maximalisatie voor elke kolom van $P$ en het selecteren van het optimale sparsiteitspatroon uit alle mogelijke combinaties.

Algoritme:
Het voorgestelde algoritme (Algorithm 1) probeert voor elke index in de codebook eerst de exacte unitaire transformatie. Als dit faalt, wordt de SPCA-benadering gebruikt. Hierdoor wordt gegarandeerd dat de beste mogelijke spare precoder wordt gegenereerd voor elke index.

3. Belangrijkste Bijdragen

Nieuw Framework: Een codebook-gebaseerd precoderingsframework dat spare precoders gebruikt voor PAPR-reductie in DFT-s-OFDM zonder prestatieverlies en zonder de bestaande feedback-mechanismen te wijzigen.
Gesloten Vorm Oplossingen: De ontwikkeling van twee gesloten vorm-methoden op de Grassmann-manifold: exacte verdunning via unitaire transformatie en benaderende verdunning via SPCA.
Standaardcompatibiliteit: De methode vereist geen wijzigingen in de standaard (3GPP) specificaties; de veranderingen kunnen volledig aan de kant van de gebruikersapparatuur (UE) worden geïmplementeerd door de dichte precoders te vervangen door hun spare tegenhangers.

4. Resultaten

De prestaties zijn geëvalueerd via simulaties met ongerelateerde Rayleigh-vervalkanalen.

Bereikbare Snelheid (Achievable Rate):
- Voor het 5G NR codebook (configuratie $N_t=4, N_s=2$ ) werd geen prestatieverlies waargenomen, omdat de exacte unitaire transformatie voor alle indices succesvol was.
- Voor geoptimaliseerde codebooks (Manopt) en grotere configuraties ( $N_t=8, N_s=4$ ) waar SPCA nodig was, was het SNR-verlies verwaarloosbaar (ongeveer 0,05 dB tot 0,2 dB).
PAPR-reductie:
- De voorgestelde spare codebooks leidden tot een PAPR-reductie van meer dan 1 dB bij een CCDF (Complementary Cumulative Distribution Function) van $10^{-2}$ .
- Dit betekent dat de PA minder "backoff" nodig heeft, wat leidt tot een hogere gemiddelde zendkracht en potentieel een hogere capaciteit.
Verdunningsdistorsie:
- De distorsie (gemeten als chordal distance) bleef rond de 0,2, wat resulteerde in de verwaarloosbare snelheidsverliezen die hierboven werden gemeld. De distorsie nam toe met het aantal zendantennes ( $N_t$ ) en was maximaal wanneer het aantal streams ( $N_s$ ) ongeveer de helft was van $N_t$ .

5. Betekenis en Conclusie

Dit artikel biedt een cruciale oplossing voor de implementatie van multi-stream DFT-s-OFDM in toekomstige 6G uplink-systemen. Door bestaande dichte codebooks te "verdunnen" via Grassmanniaanse representaties, kan het probleem van hoge PAPR worden opgelost zonder de complexiteit van nieuwe feedback-protocollen of standaardwijzigingen.

De methode maakt het mogelijk om de efficiëntie van vermogensversterkers te verbeteren (door lagere PAPR) terwijl de spectrale efficiëntie (bereikbare snelheid) behouden blijft. Dit is een belangrijke stap naar de realisatie van energie-efficiënte en hoogcapaciteit draadloze netwerken in de toekomst.